UJI Z

Pendahuluan

Uji Z adalah salah satu uji statistika yang pengujian hipotesisnya didekati dengan distribusi
normal. Menurut teori limit terpusat, data dengan ukuran sampel yang besar akan
berdistribusi normal. Oleh karena itu, uji Z dapat digunakan utuk menguji data yang
sampelnya berukuran besar. Jumlah sampel 30 atau lebih dianggap sampel berukuran
besar. Selain itu, uji Z ini dipakai untuk menganalisis data yang varians populasinya
diketahui. Namun, bila varians populasi tidak diketahui, maka varians dari sampel dapat
digunakan sebagai penggantinya.

Kriteria Penggunaan uji Z

1. Data berdistribusi normal

2. Variance (σ2) diketahui

3. Ukuran sampel (n) besar, ≥ 30

4. Digunakan hanya untuk membandingkan 2 buah observasi.

Contoh Penggunaan Uji Z

1. Uji-Z dua pihak

Contoh kasus

Sebuah pabrik pembuat bola lampu pijar merek A menyatakan bahwa produknya tahan
dipakai selama 800 jam, dengan standar deviasi 60 jam. Untuk mengujinya, diambil sampel
sebanyak 50 bola lampu, ternyata diperoleh bahwa rata-rata ketahanan bola lampu pijar
tersebut adalah 792 jam. Pertanyaannya, apakah kualitas bola lampu tersebut sebaik yang
dinyatakan pabriknya atau sebaliknya?

Hipotesis

H0 : = μ (rata ketahanan bola lampu pijar tersebut sama dengan yang dinyatakan oleh
pabriknya)

HA : ≠ μ (rata ketahanan bola lampu pijar tersebut tidak sama dengan yang dinyatakan oleh
pabriknya)

Analisis
Nilai Ztabel dapat diperoleh dari Tabel 1. Dengan menggunakan Tabel 1, maka nilai Z0,025
adalah nilai pada perpotongan α baris 0,02 dengan α kolom 0,005, yaitu 1,96. Untuk
diketahui bahwa nilai Zα adalah tetap dan tidak berubah-ubah, berapapun jumlah
sampel. Nilai Z0,025 adalah 1,96 dan nilai Z0,05 adalah 1,645.

Tabel 1. Nilai Z dari luas di bawah kurva normal baku

α 0 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009

0.00 3.090 2.878 2.748 2.652 2.576 2.512 2.457 2.409 2.366
0.01 2.326 2.290 2.257 2.226 2.197 2.170 2.144 2.120 2.097 2.075
0.02 2.054 2.034 2.014 1.995 1.977 1.960 1.943 1.927 1.911 1.896
0.03 1.881 1.866 1.852 1.838 1.825 1.812 1.799 1.787 1.774 1.762
0.04 1.751 1.739 1.728 1.717 1.706 1.695 1.685 1.675 1.665 1.655
0.05 1.645 1.635 1.626 1.616 1.607 1.598 1.589 1.580 1.572 1.563
0.06 1.555 1.546 1.538 1.530 1.522 1.514 1.506 1.499 1.491 1.483
0.07 1.476 1.468 1.461 1.454 1.447 1.440 1.433 1.426 1.419 1.412
0.08 1.405 1.398 1.392 1.385 1.379 1.372 1.366 1.359 1.353 1.347
0.09 1.341 1.335 1.329 1.323 1.317 1.311 1.305 1.299 1.293 1.287
0.10 1.282 1.276 1.270 1.265 1.259 1.254 1.248 1.243 1.237 1.232

Kriteria Pengambilan Kesimpulan

Jika |Zhit| < |Ztabel|, maka terima H0

Jika |Zhit| ≥ |Ztabel|, maka tolak H0 alias terima HA

Kesimpulan

Karena harga |Zhit| = 0,94 < harga |Ztabel | = 1,96, maka terima H0

Jadi, tidak ada perbedaan yang nyata antara kualitas bola lampu yang diteliti dengan kualitas
bola lampu yang dinyatakan oleh pabriknya.

2. Uji Z satu pihak

Contoh kasus

Pupuk Urea mempunyai 2 bentuk, yaitu bentuk butiran dan bentuk tablet. Bentuk butiran
lebih dulu ada sedangkan bentuk tablet adalah bentuk baru. Diketahui bahwa hasil gabah
padi yang dipupuk dengan urea butiran rata-rata 4,0 t/ha. Seorang peneliti yakin bahwa urea
tablet lebih baik daripada urea butiran. Kemudian ia melakukan penelitian dengan ulangan
n=30 dan hasilnya adalah sebagai berikut:

Hasil gabah padi dalam t/ha

4,0 5,0 6,0 4,2 3,8 6,5 4,3 4,8 4,6 4,1
4,9 5,2 5,7 3,9 4,0 5,8 6,2 6,4 5,4 4,6
5,1 4,8 4,6 4,2 4,7 5,4 5,2 5,8 3,9 4,7
Hipotesis

H0 : = (rata-rata hasil gabah padi yang dipupuk dengan pupuk urea tablet sama dengan padi
yang dipupuk dengan urea butiran)

HA : > (rata-rata hasil gabah padi yang dipupuk dengan pupuk urea tablet lebih tinggi dari
padi yang dipupuk dengan urea butiran)

Analisis

= 4,0 t/h

= 4,9 t/h

S = 0,78 digunakan sebagai estimasi σ

Zhit = (yt – yb)/(σ/√n) = (4,0 – 4,9)/(0,78/√30 = – 6,4286

Ztabel = Zα= Z0,05 = 1,645

Kriteria Pengambilan Kesimpulan

Jika |Zhit| < |Ztabel|, maka terima H0

Jika |Zhit| ≥ |Ztabel|, maka tolak H0 alias terima HA

Kesimpulan

Karena harga |Zhit| = 6,4286 > harga |Ztabel | = 1,645, maka tolak H0 alias terima HA

Jadi, rata-rata hasil gabah padi yang dipupuk dengan pupuk urea tablet nyata lebih tinggi dari
padi yang dipupuk dengan urea butiran

https://hatta2stat.wordpress.com/2010/12/29/uji-z-2/
Archive for the ‘Uji t’ Category
Uji t Tidak Berpasangan
November 4, 2010

Uji t dikembangkan oleh William Sealy Gosset. Dalam artikel publikasinya, ia menggunakan
nama samaran Student, sehingga kemudian metode pengujiannya dikenal dengan uji t-
student. William Sealy Gosset menganggap bahwa untuk sampel kecil, nilai Z dari distribusi
normal tidak begitu cocok. Oleh karenanya, ia kemudian mengembangkan distribusi lain
yang mirip dengan distribusi normal, yang dikenal dengan distribusi t-student. Distribusi
student ini berlaku baik untuk sampel kecil maupun sampel besar. Pada n ≥ 30, distribusi t ini
mendekati distribusi normal dan pada n yang sangat besar, misalnya n=10000, nilai distribusi
t sama persis dengan nilai distribusi normal (lihat tabel t pada df 10000 dan bandingkan
dengan nilai Z).

Pemakaian uji t ini bervariasi. Uji ini bisa digunakan untuk objek studi yang berpasangan dan
juga bisa untuk objek studi yang tidak berpasangan. Berikut contoh penggunaan uji t.

Uji t tidak berpasangan

Contoh kasus

Kita ingin menguji dua jenis pupuk nitrogen terhadap hasil padi

1. Hipotesis

Ho : 1 = 2

HA : 1 ≠ 2

2. Hasil penelitian tertera pada Tabel 1.

Tabel 1. Data hasil penelitian dua jenis pupuk nitrogen terhadap hasil padi (t/h)

Plot Pupuk A Pupuk B

Y1 Y2
1 7 8

2 6 6

3 5 7

4 6 8

5 5 6

6 4 6
 7 4 7

8 6 7

9 6 8

10 7 7

11 6 6

12 5 7

3. Data analisis adalah sebagai berikut

Hitunglah

1= 5.58

S1 = 0.996

2 = 6.92

S2 = 0.793

thit =( 1 – 2)/√(S1 /n1)

2
+(S22/n2)

=( 5.58 – 6.92)/√(0.9962/12)+(0.7932/12)

= -1.34/0.367522 = -3.67

Setelah itu, kita lihat nilai t table, sebagai nilai pembanding. Cara melihatnya adalah sebagai
berikut. Pertama kita lihat kolom α = 0.025 pada Tabel 2. Nilai α ini berasal dari α 0.05
dibagi 2, karena hipotesis HA kita adalah hipotesis 2 arah (lihat hipotesis). Kemudian, kita
lihat baris ke 22. Nilai 22 ini adalah nilai df, yaitu n1+n2-2. Nilai n adalah jumlah ulangan,
yaitu masing 12 ulangan. Akhirnya, kita peroleh nilai t table = 2.074.

t table = t α/2 (df) = t0.05/2 (n1+n2-2)=t0.025(12+12-2) = t0.025(22) = 2.074

Tabel 2. Nilai t

α
df
0.05 0.025 0.01
0.005
6.314 12.706 31.821 63.657
1
2 2.920 4.303 6.965
9.925
 2.353 3.182 4.541 5.841
3
4 2.132 2.776 3.747
4.604
2.015 2.571 3.365 4.032
5
1.943 2.447 3.143
6 3.707
7 1.895 2.365 2.998
3.499
1.860 2.306 2.896 3.355
8
9 1.833 2.262 2.821
3.250
1.812 2.228 2.764 3.169
10
11 1.796 2.201 2.718
3.106
1.782 2.179 2.681 3.055
12
13 1.771 2.160 2.650
3.012
1.761 2.145 2.624 2.977
14
15 1.753 2.131 2.602
2.947
1.746 2.120 2.583 2.921
16
17 1.740 2.110 2.567
2.898
1.734 2.101 2.552 2.878
18
19 1.729 2.093 2.539
2.861
1.725 2.086 2.528 2.845
20
21 1.721 2.080 2.518
2.831
1.717 2.074 2.508 2.819
22
23 1.714 2.069 2.500
2.807
1.711 2.064 2.492 2.797
24
25 1.708 2.060 2.485
2.787
1.706 2.056 2.479 2.779
26
27 1.703 2.052 2.473
2.771
 1.701 2.048 2.467 2.763
28
29 1.699 2.045 2.462
2.756
1.697 2.042 2.457 2.750
30
40 1.684 2.021 2.423
2.704
1.676 2.009 2.403 2.678
50
100 1.660 1.984 2.364
2.626
1.645 1.960 2.327
10000 2.576

4. Kriteria Pengambilan Kesimpulan

Terima H0, jika thit| < t table, sebaliknya

Tolak H0, alias terima HA, jika thit| > t table

5. Kesimpulan

Karena nila thit|= 3.67 (tanda minus diabaikan) dan nilai t table=2.074, maka kita tolak H0,
alias kita terima HA. Dengan demikian, 1 ≠ 2, yaitu hasil padi yang dipupuk dengan pupuk
A tidak sama dengan hasil padi yang dipupuk dengan pupuk B. Lebih lanjut, kita lihat bahwa
rata-rata hasil padi yang dipupuk dengan pupuk B lebih tinggi daripada yang dipupuk dengan
pupuk A. Dengan demikian, kita dapat menyimpulkan bahwa pupuk B nyata lebih baik
daripada pupuk A untuk meningkatkan hasil padi.

https://hatta2stat.wordpress.com/category/uji-t-2/
 Konsep penggunaan pada Uji T dan Z

1. Uji Statistik t dan z

Uji-t dan z pada dasarnya sama, yaitu sama-sama membandingkan kedua sampel apakah berasal dari

populasi yang sama atau tidak, sebagai alat analisis penelitian uji-t dan z ini ada beberapa persyaratan

yang harus dipenuhi, yaitu:

a. Bila suatu penelitian dalam permasalahannya mempunyai lebih dari satu variabel, maka variabel

terikat (dependent) datanya harus bersifat berurutan (interval). Sedangkan untuk variabel bebas

(independent) datanya harus berbentuk boleh tidak tersusun (nominal). Data harus independen satu

sama lain, kecuali dalam kasus berpasang-pasangan.

b. Untuk menggunakan uji-t dan uji-z, data disarankan berdistribusi normal.

c. Penerapan pada uji-t dan uji-z ada perbedaannya yaitu hanya terletak pada jumlah sampel yang

digunakan. Untuk uji-z sampel n > 30 yang sudah diketahui standar deviasinya, sedangkan uji-t

sampel n > 30 yang belum diketahui standar deviasinya.

d. Data yang digunakan berjenis probability sampling (teknik sampling yang memberikan peluang yang

sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi sampel, atau pengambilan sempel

secara random atau acak)

2. Uji-t untuk Satu Sampel (Variabel)

Uji-t (t-test) adalah statistik uji yang selalu muncul dalam masalah-masalah praktis statistik

parametrik yang digunakan ketika informasi suatu data mengenai nilai ragam populasinya tidak

diketahui.

a. Uji-t untuk satu sampel

Uji ini sering digunakan untuk menguji kebenaran data yang digunakan si peneliti.

Uji-t one sample ini dikategorikan ke dalam 2 bagian:

a) Uji-t untuk satu variabel untuk satu arah kiri dan kanan (one tail)

b) Uji-t untuk satu variabel untuk dua arah (two tail)

Rumus yang digunakan dalam menerapkan uji-t ini adalah

Keterangan:

ӿ = Rata-rata hasil pengambilan data

µ0 = Nilai rata-rata ideal

s = Standar deviasi sampel

n = Jumlah sampel

b. Uji-T Satu Variabel Untuk Dua Arah

Suatu penelitian dinyatakan bahwa dilakuakan uji dua pihak, yaitu apabila rumusan masalahnya

null hypotesys Ho dinyatakan dengan kalimat sama dengan (=) , maka rumusan Ha harus dinyatakan

dengan bunyi kalimat tidak sama dengan (≠). Prosedur uji statistiknya sama dengan uji satu pihak kiri.

Agar lebih mudah dan ringkas , mari kita langsung kerjakan dalam bentuk manual dan SPSS versi 17.
 Contoh soal:

Seorang Mahasiswa jurusan Syariah melakukan penelitian dengan menduga tingkat kualitas

dosen mata kuliah Matematika Dasar Fakultas Z 80% dari materi mata kuliahnya. Untuk

membuktikan dugaan tersebut maka peneliti melakukan penelitian dengan mengambil sampel

sebanyak 20 orang untuk mengisi angket dengan jujur dan adil maka peneliti melakukan 11

pertanyaan. Instrumen penelitian ini dilakukan dengan menganalisis profesi responden yang diberi

skala: (4) = Sangat baik, (3) = Baik, (2) = Cukup , (1) = Kurang Baik. Dengan taraf kepercayaan 95%

(taraf signifikasi α = 0,05%).

Data total hasil jawaban setiap responden diperoleh sebagai berikut:

20 36 30 39 28 37 46 20 35 23 28 14 18 28 47 37 22 25 29 31

Menghitung nilai idealnya :

Nilai ideal = 11 x 4 x 20 = 880

Rata-rata nialai idealnya (µo) = 880/20 = 44

Jadi, 80% dari rata-rata nilai idealnya = 0,8 x 44 = 35,2 atau (µo) = 35,2

Prosedur Uji-t dan langkah- langkah menjawab

a. Judul Penelitian dapat disusun

“Analisis Kualitas Dosen Mata Kuliah Matematika Dasar pada Fakultas Z pada tahun 2014”

b. Variabel Penelitianya adalah Persepsi Mahasiswa

c. Rumusan masalahnya adalah “Bagaimanakah kualitas dosen mata kuliah matematika dasar pada

fakultas Z pada tahun 2014?

d. Sampel

Sampel yang diambil berkategori probability sampling (setiap individu yang terdapat dalam populasi

dan dapat dijadikan sampel), jenisnya simple random homogen (anggota populasi homogen). Jumlah

sampel ditetapkan 20 orang.

 e. Membuat hipotesis daalam uraian kalimat

Ho : Pernyataan atau dugaan yang menyatakan nilai paling rendah atau sama dengan dari suatu objek

penelitian.

Ha : Pernyataan atau dugaan yang menyatakan nilai paling tinggi atau maksimum dari suatu objek

penelitian.

Misalnya:

Ho : kualitas Dosen mata kuliah Matematika dasar tidak sama dengan 80% dari nilai rata-rata idealnya

Ha : kualitas dosen mata kuliah matematika dasar sama dengan 80% dari nilai rata-rat idelanya.

f. Membuat hipotesis dalam bentuk model statistik

Ho : µ ≠ µo

Ha : µ = µo

Ho : µ ≠ 35,2

Ha : µ = 35,2

g. Tahap ini kita menentukan peluang resiko menolak hipotesisnya yang benar sebanyak 5%.

h. Kaidah pengujian

Ho diterima, jika : -t tabel (α, n-1) ≤ t hitung

Ho ditolak, jika : -t tabel (α, n-1) > t hitung

i. Menghitung t hitung dan t tabel

1) Membuat tabel penolong

Tabel penolong untuk mencari nilai deviasi standar satu sampel

Dua arah

Responden X1 x (X1-X) (X1-X)2

1 42 38,5 3,5 12,25

2 36 38,5 -2,5 6,25

3 30 38,5 -8,5 72,25

 4 39 38,5 0,5 0,25

5 39 38,5 0,5 0,25

6 37 38,5 -1,5 2,25

7 46 38,5 7,5 56,25

8 39 38,5 0,5 0,25

9 35 38,5 -3,5 12,25

10 35 38,5 -3,5 12,25

11 28 38,5 -10,5 110,25

12 46 38,5 7,5 56,25

13 34 38,5 -4,5 20,25

14 32 38,5 -6,5 42,25

15 47 38,5 8,5 72,25

16 37 38,5 -1,5 2,25

17 22 38,5 -16,5 272,25

18 48 38,5 9,5 90,25

19 42 38,5 3,5 12,25

20 47 38,5 8,5 72,25

761 925

2) Menghitung nilai rata-rata pengamatan

Ӿ=

= = 38,05
3) Menghitung nilai standar deviasi

S =

= 6,96211

4) Menghitung t hitung

=
=

= 2,118

5) Menghitung t tabel

Dengan taraf signifikan α = 0,05/2 = 0,025 (dua sisi). Lalu dicari nilai t tabel pada tabel distribusi t

student dengan ketentuan: db = n – k, db = 20 – 2 = 18.

Sehingga, t tabel (α, db) = t (0,025, 18) = 2,101

j. Membandingkan t hitung dan t tabel

Membandingkan t hitung dan t tabel adalah utuk memahami hipotesis Ho ditolak atau diterima. Pada

penelitian ini hipotesis yang diterima adalah Ho ditolak, karena t tabel(α) = 2,1101< t hitung = 2,118, maka

Ha diterima.

h. Kesimpulannya

Kualitas mengajar dosen mata kuliah Matematika dasar sam dengan 80% daari nilai rata-rata

idealnya..

Daerah Penolakan
Ho
 - 2,101 -2,101 2,118

Gambar penentuan daerah penolakan pada Uji-t untuk dua arah

5. Uji-z Satu Sampel (Variabel)

Uji-z (z-test) adalah uji statistik yang sering kali kita jumpa dalam masalah praktis statistik. Uji-z

termasuk dalam golongan statistik parametrik. Uji-z digunakan ketika data n > 30. Untuk

mempersingkat waktu, uji-z yang sering digunakan yaitu uji-z dua arah (two tail), apabila rumusan

null hipotesys Ho yang dinyatakan dengan kalimat sama dengan (=), maka rumusan Ha harus

dinyatakan dengan bunyi tidak sama dengan (≠), prosedur uji statistik ini sama dengan uji pihak kiri.

Contoh :

Dosen ilmu falak fakultas syariah program studi muamalah IAIN Langsa, menduga bahwa

kemampuan berhitung hisab awal waktu shalat dalam mata kuliah ilmu falak pada kelas selasa sore

sama dengan 75% dari nilai maksimum. Utuk membuktikan dugaan tersebut diambil nilai UAS setiap

mahasiswa kelas Selasa sore yang berjumlah 44 orang. Buktikanlah apakah dugaan Dosen Ilmu Falak

itu benar atau salah dengan taraf signifikan α = 12%. Hasil pengumpulan data nilai UAS disajikan

dalam tabel di bawah ini.

Menghitung nilai maksimum

Nilai maksimum = 100%

Jadi, 75% dari nilai maksimum = 0,75 x 100 = 75

Langkah-langkah menjawab:
 Berdasarkan permasalahan di atas, maka:

a. Judul penelitian

Analisis Kemampuan Berhitung Mahasiswa Materi Kuliah Ilmu Falak Mahasiswa Fakultas Syariah

IAIN Langsa pada tahun 2014.

b. Variabel Penelitiannya adalah

Dosen Mata Kuliah Ilmu Falak

c. Rumusan Masalahnya

Bagaimanakah daya serap ilmu falak pada materi berhitung hisab awal waktu shalat, mahasiswa

Fakultas Syariah?

d. Sampel

Sampel yang diambil berkategori probability sampling, dengan jenis simple random sampling

(anggota populasi homogen). Jumlah sampel ditetapkan 44 orang.

e. Membuat hipotesis penelitian

Ho : Kemampuan berhitung hisab awal waktu shalat dalam mata kuliah ilmu falak pada kelas selasa sore

tidak sama dengan 75% dari nilai maksimum.

Ha : Kemampuan berhitung hisab awal waktu shalat dalam mata kuliah ilmu falak pada kelas selasa sore

sama dengan 75% dari nilai maksimum.

f. Membuat hipotesis dalam model statistik

Ho : µ ≠ 75

Ha : µ = 75

g. Pada tahap ini tingkat kesalahannya adalah α = 12%

h. Kaidah pengujian

Jika : -Z tabel ≤ Z hitung ≤ Z tabel (α/2), maka Ho diterima

Jika : Z hitung > Z tabel (α/2), maka Ho ditolak

i. Menghitung Z tabel dan Z hitung

Tabel Penolong Mencari Nilai Standar Deviasi Untuk uji-Z dua sisi
Resp X1 Ӿ X1-Ӿ (X1-Ӿ)2

1 65 75,909 -10,909 119,0

2 70 75,909 -5,909 34,9

3 60 75,909 -15,909 253,1

4 75 75,909 -0,909 0,8

5 80 75,909 4,091 16,7

6 60 75,909 -15,909 253,1

7 75 75,909 -0,909 0,8

8 80 75,909 4,091 16,7

9 95 75,909 19,091 364,5

10 60 75,909 -15,909 253,1

11 70 75,909 -5,909 34,9

12 90 75,909 14,091 198,6

13 85 75,909 9,091 82,6

14 80 75,909 4,091 16,7

15 75 75,909 -0,909 0,8

16 65 75,909 -10,909 119,0

17 70 75,909 -5,909 34,9

18 90 75,909 14,091 198,6

19 80 75,909 4,091 16,7

20 80 75,909 4,091 16,7

21 65 75,909 -10,909 119,0

22 70 75,909 -5,909 34,9

23 75 75,909 -0,909 0,8

24 70 75,909 -5,909 34,9

25 60 75,909 -15,909 253,1

 26 90 75,909 14,091 198,6

27 85 75,909 9,091 82,6

28 70 75,909 -5,909 34,9

29 75 75,909 -0,909 0,8

30 65 75,909 -10,909 119,0

31 80 75,909 4,091 16,7

32 95 75,909 19,091 364,5

33 85 75,909 9,091 82,6

34 70 75,909 -5,909 34,9

35 60 75,909 -15,909 253,1

36 85 75,909 9,091 82,6

37 80 75,909 4,091 16,7

38 90 75,909 14,091 198,6

39 90 75,909 14,091 198,6

40 85 75,909 9,091 82,6

41 60 75,909 -15,909 253,1

42 90 75,909 14,091 198,6

43 65 75,909 -10,909 119,0

44 75 75,909 -0,909 0,8

3340 4813,6

6) Menghitung nilai rata-rata pengamatan

Ӿ=

= = 835

7) Menghitung nilai standar deviasi

 S =

= 10,58

8) Menghitung t hitung

=
=

= 0,569886 = 0,57

9) Menghitung z tabel

Nilai z tabel dapat dicari menggunakan tabel distribusi normal dengan cara:

Bila dua sisi, z tabel = 1- 0,12/2 = 0,06 = 0,94

Maka, nilai 0,94 adalah 1,56

k. Membandingkan z hitung dan z tabel

Membandingkan z hitung dan z tabel adalah utuk memahami hipotesis Ho ditolak atau diterima. Pada

penelitian ini hipotesis yang diterima adalah Ho, maka Z tabel ≤ Z hitung ≤ Z tabel (α/2), ternyata -1,56 < 0,57

< 1,56

l. Kesimpulannya

Kemampuan berhitung hisab awal waktu shalat dalam mata kuliah ilmu falak pada kelas selasa sore

tidak sama dengan 75% dari nilai maksimum.

95% Daerah Penerimaan

Ho
Daerah penolakan Ho Daerah Penolakan Ho
 - 1,56 0 0,57 1,56

Gambar penentuan daerah penolakan pada Uji-Z untuk dua arah